AI到底在抢谁的工作？Anthropic拿出数据了

上周 Anthropic 发了一篇研究报告。大多数人没注意。

这篇研究做了一件大家一直想做但没人真的做的事：用新的测量方法，实测 AI 到底在对哪些工作产生影响。不是预测，是真实数据。

我认真读了一遍，发现结果和大多数"AI替代程序员"的焦虑文有挺大不同。

01-anthropic-labor-impact

数据说了什么

Anthropic 这篇研究有个挺聪明的地方：他们不把整个职业当作研究单元，而是把工作任务拆开来看。

很少有工作是"被 AI 完全取代"的。更常见的情况是：某些任务 AI 能做，某些不行，然后这个比例决定了你这份工作受多大影响。

他们的发现大概是这样：

信息处理类任务受影响最大。 写代码、整理文档、回邮件、做数据分析——这些任务里，AI 已经开始真正改变工作方式。

但"影响最大"不等于"被取代"。研究里有一个说法让我印象深刻：AI 目前更像是在"重新分配工作"，而不是"减少工作"。

会用 AI 的人效率变高，接到更多的活；不会用的人，则面临实质性的竞争压力。

这不是什么令人安慰的结论，但至少是诚实的。

另一个有意思的发现：受 AI 影响越大的任务，往往是那些"结果可以被快速验证"的任务。写一段代码，跑一下测试，对不对马上知道。AI 在这类任务上进步飞快，因为反馈循环短、容易迭代。

需要跟人打交道、理解模糊需求、在复杂语境里做判断——这些任务，AI 目前改变得没那么快。这不是永久性的差距，但目前来看是真实的。

同一周，开源社区发生了另一件事

有人注册了 406.fail 这个域名，提出了一个叫"406 Not Acceptable"的草案协议。

熟悉 HTTP 的同学知道，406 是服务器拒绝请求的状态码，意思是"你发来的东西我不接受"。这个协议把这个逻辑搬到了 GitHub 的 PR 流程里：

如果判定一个 Pull Request 是 AI 批量生成的低质量提交，维护者有权用"406"标准拒绝，并且不需要给出详细反馈。

一个维护者的评论让我觉得挺真实的，他说这几个月 AI 生成的 PR 数量增加了大概 10 倍，但真正有价值的 PR 并没有增加。维护者的时间是有限的，但现在每天要审大量用 AI 生成的改动——看起来像在做贡献，实际上基本是噪音。

02-406-pr-flow

这就是那种双面感：AI 在帮助人"生产更多"，但"更多"并不等于"更好"。

很多人用 vibe coding 的方式打开了一个新世界：不用很懂代码，也能生成看起来能跑的东西，然后发个 PR"贡献"一下。这很好，但当这变成一种批量行为，维护者承受的是真实的成本。

406 协议很聪明的地方在于：它不是在歧视 AI，也不是在歧视新手。它只是在说——你提交的东西，我评估过没有足够的价值，所以我拒绝，我不欠你一个详细解释。

这个边界，在 AI 之前本来也应该存在，只是以前没那么多人需要明确说出来。

两件事放在一起

这两件事都在说同一件事，只是角度不同。

Anthropic 的研究说：AI 在影响工作，但不是用"消灭岗位"的方式，而是用"重新定义谁更有价值"的方式。

406.fail 的故事说：AI 生成的代码洪流正在逼出一个新的质量门槛，不思考、只靠量堆的工作方式越来越没有出路。

两者都指向同一个结论：AI 没有取消"好工作"的意义，反而让"好工作"和"看起来像工作"的差距变得更明显了。

说白了，以前你可以靠量混：多提几个 PR，多发几封邮件，没人会太仔细看。现在 AI 让"量"本身不值钱了。

那程序员应该怎么办

答案没什么神秘的，不是"学会用 AI"，因为那已经是基本门槛了。而是两件更难的事：

一、能判断 AI 生成的代码是否真的好。 会用 Copilot/Cursor 不是技能，能看出 AI 生成的代码有什么问题才是技能。很多 bug 不是 AI 写出来的，而是人没有仔细看就合进去的。

二、做 AI 不擅长的部分。 理解用户需求、系统设计、在模糊需求下做决策、跟业务方沟通——这些任务在 Anthropic 的研究里受 AI 影响最小。不是 AI 永远做不到，而是目前来看，这是最后被动到的一批。

我觉得 Anthropic 这篇研究最值得认真对待的地方，不是那些具体数字，而是它提供了一个更诚实的框架：不要问"AI会不会取代程序员"，而是问"我做的哪些工作正在受影响，哪些还没有"。

然后针对性地想清楚自己怎么办。